有关基于流量的上市公司财务预警系统——信息技术业为例毕业论文写作资料-论文写作网

简介:关于对写作因子模型论文范文与课题研究的大学硕士、相关本科毕业论文因子模型论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。

因子模型论文范文

【摘要】本文选取我国信息技术行业中代表财务危机的25家ST公司和财务正常的75家非ST公司的财务数据,建立基于论文范文流的17个财务指标组成财务预警指标体系,运用因子分析法和逻辑回归方法对我国信息技术业上市公司进行财务预警研究,为我国信息技术行业的健康、持续、快速发展提供保障.

【关键词】财务预警模型；信息技术行业；因子分析； Logistic回归

【作者简介】汪超群,杭州电子科技大学,研究方向：经济数量分析；黄晓莉,杭州电子科技大学副教授,硕士,研究方向：经济数量分析.

多因子模型:AMOS视频课程 5.3 验证性因子分析1：斜交模型

　　财务预警研究是财务管理领域一个重要的研究课题,建立高效的财务预警系统能为企业健康快速发展提供保障.信息技术行业近年来发展蓬勃,但其产品生命周期短、前期资金投入大、筹资渠道狭窄、论文范文流量不稳定等特征使该行业的上市公司财务管理更加特殊,近年来该行业发生财务危机的企业数量仅次于制造业.本文对近年来信息技术业上市公司的财务状况加以分析,建立预警模型,以期为整个行业健康持续快速发展打下基础.

　　一、评价指标体系的建立

　　为了克服会计信息失真对财务危机的掩盖,本文建立基于论文范文流量的上市公司指标体系.初步选定4个方面17个财务指标作为实证研究的起点.该指标体系以论文范文流量表、资产负债表和利润表的数据为基础,通过比较计算设立一些新的指标,在防范信息失真的前提下,对财务危机进行有效预警.这17个变量主要反映了公司财务状况的4个方面包括,①偿债能力：资产负债率X1,论文范文比率X2,论文范文利息保障倍数X3,论文范文流量比率X4.②获现能力：每股经营活动论文范文净流量X5,全部资产论文范文回收率X6,净资产获现率X7,盈余论文范文保障倍数X8.③论文范文结构：经营活动比重X9,投资活动比重X10,筹资活动比重X11,经营活动流入比重X12,投资活动流入比重X13,筹资活动流入比重X14.④发展能力：资本累计率X15,论文范文投资比率X16和主营业务收入增长率X17.

二、原始数据的选择

　　借助同花顺信息技术有限公司开发的数据库及企业经营分析软件,收集了2001~2011年被ST的25家符合条件的信息技术行业的上市公司,按照1：3的配比原则,选取了75家非ST公司作为对照样本,共计100个上市公司作为研究对象.将其中的67家(17家ST公司,50家非ST公司)作为建模样本,33家(8家ST公司,25家非ST公司)作为检验样本.通过计算得到上述的17项原始指标值.

　　三、因子分析过程

（一）因子分析法

　　使用指标体系能在一定程度上提高评价的全面性和科学性.但是,由于同时使用多个指标,指标之间常常存在着相关性.因子分析法根据相关矩阵内部的依赖关系,把一些具有错综复杂关系的变量综合成较少的几个公共因子,便于比较分析.运用训练样本的67家上市公司,对上述17项财务指标进行因子分析.

（二）因子分析过程

　　运用SPSS统计软件进行分析.

　　在进行因子分析之前,首先对样本数据做KMO测度和巴特利球形检验测试,以确定上文中选取的变量是否适合做因子分析.经过检验,在相关系数矩阵是一个单位矩阵的原假设下观测的显著性水平是0.000,故拒绝原假设,这说明变量之间不完全独立.KOM值为0.544,表明需要较多的公共因子才能使累计贡献率达到一定要求.

我们对17个变量进行因子分析,得到公共因子的特征值和贡献率.前6个公共因子的累计方差贡献率为87.559％,超过85%.我们选取前6个公共因子,这6个公共因子的共同度见表1,可见提取前6个公共因子时,已提取了各原始变量的绝大部分信息.

　　提取前6个公共因子来代替原来的17个变量,并得到初始因子载荷矩阵（略）.初始载荷阵矩结构不够简单,各因子的典型代表变量不很突出,容易使因子的意义含糊不清,不便于对因子进行解释.为了达到简化结构的目的,运用方差最大正交旋转法进行因子旋转,得到旋转后的公共因子特征值和贡献率（见表2）和旋转后的因子载荷矩阵（见表3）.

　　由表3我们可以得到各公共因子的经济意义.

1.第一公共因子主要包括X6(全部资产论文范文回收率)、X7(净资产获现率)、X4(论文范文流量比率, 大于0.5的原则或纵向比较较大原则),它代表上市公司的获现能力和偿债能力.这样的归类把相关性较高的代表获现能力和偿债能力的财务指标放在一起.F1是获现能力因子.

2. 同理,第二公共因子主要包括X9(经营活动比重)X10(投资活动比重),它们反映企业的论文范文结构,因此,F2 是论文范文结构因子.

3. 第三公共因子主要包括X15(资本累计率)、X5(每股经营活动论文范文净流量).它们反映企业的发展能力和获现能力,因此,F3是发展能力因子.

4. 第四公共因子主要包括X2(论文范文比率).X2主要反映企业的偿债能力,因此,F4是偿债能力因子.

5. 第五公共因子主要包括X12(经营活动流入比重).X12是反映论文范文结构的重要指标,因此,F5是论文范文结构因子2.

6. 第六公共因子主要包括X17(主营业务收入增长率)、X15(资本累计率).它们主要反映企业的发展能力,因此,F6是发展能力因子2.

　　6个公共因子能反映17项指标信息总量的87.559% ,亦即用这6个公共因子有87.559%的把握,代表原来的17项指标评价财务情况.我们得到取6个公共因子时的因子模型和因子得分函数（略）,并由因子得分函数得出67个上市公司财务指标的因子得分（略）.

四、Logistic回归建立模型

（一）Logistic回归分析法

　　Logistic回归分析是用于对定性变量的一种回归分析方法.本文采用的是Binary Logistic回归.我们把Y等于1定义为出现财务危机的企业即ST企业,Y等于0定义为财务状况正常的企业即非ST企业.在利用模型进行预测的时候,涉及到临界点选取的问题.大多数的研究一般选择0.5作为临界点,本文经过测试,发现将财务预警临界点设定为0.5效果最佳.

（二）Logistic回归实证结果

　　1. Logistic回归方程.对全部因子得分进行Logistic回归分析,分割点选择为0.5.运行结果如表4.

表4中列出了各个变量对应的系数以及该变量对应的Wald统计量值和它对应的相伴概率.由上述分析结果可以得到信息技术行业公司财务危机预警模型判别函数为

　　2. 回归模型的检验(表5).Logistic回归拟合优度检验通常用Ho论文范文er和Lemeshow的拟合优度检验统计量.由表5显示的HL卡方检验的结果不拒绝实际观察频数与期望频数相同的原假设（p等于0.351>,0.05）,表明在可接受的水平上模型较好地拟合了原始数据.

　　3. 财务预警模型的有效性检验.运用上述Logistic回归预警模型对67个训练样本和33个验证样本进行判定,计算出相应的P值,如果P≥0.5,就判定该公司将发生财务危机；如果P<,0.5,则认为该公司不会发生财务危机.

（1）训练样本检验结果.在分割点为0.5的情况下,用该模型对财务危机发生前的第T-2年进行计算,所得结果如表6.由表6可以看出,该Logistic模型对T-2年训练样本的分类较令人满意,在17个财务危机的公司中,有1个公司被误判为财务正常公司,其对财务危机公司的预测精度达到94.1%.而在另外的50个财务正常公司中,只有1个公司被误判为财务危机公司,其预测精度为98%,平均正确率高达97%.

（2）验证样本检验结果.从表6可以看出,该Logistic模型对T-2年验证样本的分类同样较令人满意,在8个财务危机的公司中,有1个公司被误判为财务正常公司,其对财务危机公司的预测精度达到87.5%.而在另外的25个财务正常公司中,有2个公司被误判为财务危机公司,其预测精度为92%,平均正确率高达90.9%.

五、结论

　　本文选取基于论文范文流的17个财务指标,运用因子分析法和逻辑回归统计方法对我国信息技术业上市公司进行财务预警研究,得出以下结论.

　　1. 将各因子得分作为自变量引入Logistic回归模型当中去,在能够保留重要的财务信息的前提下,建立财务失败的预警模型,效果较好.但是,Logistic回归模型最优分割点仍有待斟酌.

　　2. 根据训练样本建立的模型利用检验样本进行检验,预测结果基本与实际相符,误差水平可以接受,预测准确率较令人满意,说明上市公司四种能力指标对企业财务状况有着较大影响.

　　3. 并非反映四种能力的指标都适合作为判别和预测上市公司ST状态的变量,参考以往研究分析论文范文量指标,应该把判别贡献较大的变量列入模型之列.资产负债率、论文范文比率、每股经营活动论文范文净流量、主营业务收入增长率都是必须考虑的原始变量.

　　4. 在应用Logistic回归方法建立模型过程中可以发现,企业的获现能力对企业财务有较大影响,上市公司应加强对这方面的研究,并利用公司的相关财务数据建立财务预警模型.